2024年8月7日，由华为、鹏城实验室、6GANA和IEEE ComSoc GenAINet ETI联合主办的第四届通算一体网络理论与技术研讨会在杭州IEEE ICCC会议期间成功召开。此次研讨会以网络大模型与通算融合为主题，通过嘉宾专题报告和圆桌讨论的形式，对大模型与未来无线网络融合的场景需求、基础理论、关键算法技术、标准及验证等工作的进行了深入交流碰撞，有力推动了无线网络与大模型/AI Agent的产学研联合创新。此次研讨会除了线下会场，也同步开启了黄大年茶思屋科技网站、边缘计算社区等多个平台的直播，线上近万人次观看，热度空前。
中国移动公司首席专家刘光毅博士在报告中提出6G将从连接泛在转变为智慧泛在，需要设计理念发生“四个转变”，构建一套内生于网络架构的高效率、高性能AI服务供应系统。 华为Fellow、云核心网架构与设计部部长朱浩鹏博士系统阐述了核心网的AI原生愿景，提出全新的AIBA架构并对其中的关键技术进行详细的介绍。 复旦大学高跃教授指出了联邦学习在大模型训练中的不足，提出利用并行的拆分学习来进行高效的大模型分布式训练。
浙江大学李荣鹏教授提出通过分布式共识推理来进行多智能体间的协同，在车联网和无人机集群环境下构建“观察-感知-决策-行动（OODA）环路”。 中山大学陈旭教授介绍了高效边缘大模型的协同推理和微调技术，通过结合张量并行和序列并行来提升推理效率，并通过将矩阵拆分后做流水线并行来缓解设备间的通信瓶颈问题。 之江实验室高级研究专家陈红阳博士对AGI背景下的通算融合进行了深度思考，包括大模型的分布式训练、存储和大小模型协同推理的挑战分析。 上海科技大学周勇教授介绍了在无线和卫星通信场景下通过联邦学习来对大模型进行微调的技术。 中国电信研究院6G研究中心网络架构与业务团队总监王栋高工介绍了通算融合的6G端到端实验平台，该平台旨在打造无线数据按需提取、参数实时控制、业务定制的智能可编程无线系统。 西安交通大学薛江教授介绍了基于预处理、ODE建模、DL建模等方式进行信道预测的技术，并展示了大模型在信道预测上的应用效果。 浙江大学杨倩倩教授提出了通过流水线并行的方式来在内存受限的终端设备间进行大模型的分布式训练。 湖南师范大学江沸菠教授探讨了大模型和智能体在6G上的应用，包括语义通信、边缘智能以及通过智能体的检索、规划、反思等能力增强大模型在6G上的应用潜力。 最后，华为高级技术专家彭程晖介绍了6GANA的NetGPT SIG和IEEE GenAINet ETI在网络大模型方面的工作，并预发布了《6G网络面向大模型的分布式学习》、《面向AI大模型的网络使能技术》、《NetGPT场景需求白皮书》、《网络大小模型协同算法》、《ICNL分布式学习算法》共5本白皮书，呼吁产学研专家积极参与，推动形成更广泛共识。
GenAINet公众号简介
GenAINet公众号由IEEE Large Generative AI Models in Telecom (GenAINet) ETI成立，由GenAINet公众号运营团队负责维护并运行。
GenAINet公众号运营团队：
孙黎，彭程晖 （华为技术有限公司）
杜清河，肖玉权，张朝阳 （西安交通大学）
王锦光，俸萍 （鹏城实验室）
